시작하며
수노(SUNO)로 인공지능(AI) 음악을 여러 곡 만들다 보면 묘한 문제가 생긴다. 생성할 때는 괜찮았는데 다음 날 다시 들으면 어색하고, 수십 곡을 저장해 놓고도 막상 다른 사람에게 들려줄 곡은 몇 개 남지 않는다.
이럴 때 생성 횟수를 계속 늘리는 것보다 먼저 해야 할 일이 있다. 좋지 않은 음원을 빨리 버리는 능력을 만드는 것이다.
특히 보컬이 어색하거나 화성이 귀에 걸리는 곡은 멜로디가 아깝다는 이유로 오래 붙잡아도 살리기 쉽지 않다. 반대로 작은 음량 차이나 일부 악기 문제처럼 손볼 수 있는 영역도 있다. 이 둘을 구분하면 크레딧뿐 아니라 작업 시간도 상당히 아낄 수 있다.
 |
| 수노 AI 음악 퀄리티 높이는 보컬 악기 전체 점검법 |
1. 첫 번째는 보컬, 여기서 어색하면 과감하게 거른다
수노 음원을 들을 때 가장 먼저 확인할 부분은 보컬이다.
사람이 노래를 처음 들으면 악기 하나하나보다 목소리를 먼저 인식하는 경우가 많다. 그래서 보컬에서 인공지능 특유의 느낌이 강하게 나면 뒤의 편곡이 괜찮아도 첫인상을 만회하기 어렵다.
특히 다음 네 가지는 초반에 걸러낼 만한 신호다.
- 목을 심하게 긁는 듯한 소리가 반복된다.
- 음 끝을 매번 과하게 떨어뜨린다.
- 여러 번 생성해도 거의 같은 음색이 계속 나온다.
- 엉뚱한 구간에 코러스(chorus)나 겹친 목소리가 들어간다.
- 가사가 너무 많아 음절을 억지로 밀어 넣는다.
여기서 단순히 거친 목소리 자체를 문제 삼을 필요는 없다. 장르에 어울리는 거친 창법은 충분히 매력적일 수 있다.
문제는 한두 번의 표현이 아니라 노래 전체에서 같은 버릇이 반복되고, 그 표현 때문에 인공적인 느낌이 먼저 들리는 경우다.
같은 프롬프트로 두세 차례 생성했는데 목소리가 거의 똑같이 들리는지도 살펴볼 만하다. 흔하게 생성되는 음색일 가능성이 높고, 여러 수노 음원을 접한 사람에게는 익숙한 소리처럼 느껴질 수 있다.
가사도 욕심을 줄일 필요가 있다.
하고 싶은 이야기를 모두 한 곡에 넣으면 글로 볼 때는 알차지만 음악에서는 문제가 달라진다. 제한된 박자 안에 많은 음절이 들어가면서 발음이 급해지고 멜로디가 부자연스러워질 수 있다.
특별히 빠른 장르가 아니라면 가사를 조금 덜어내고 핵심 문장을 남기는 쪽이 오히려 노래로 들었을 때 편하다.
2. 보컬을 통과했다면 악기의 작은 어색함을 찾는다
보컬이 괜찮은 곡도 악기 때문에 이상하게 들릴 수 있다.
이 단계에서 어려운 음악 용어를 전부 알 필요는 없다. 오히려 한 번 듣다가 자신도 모르게 표정이 찌푸려지거나 특정 부분에서 흐름이 끊기는지를 보는 편이 현실적이다.
확인할 부분은 크게 세 가지다.
- 이유 없이 음량이 계속 출렁이는가
- 구간이 바뀌기 전에 들어가는 악기 연결이 어색한가
- 특정 음이나 화음에서 갑자기 귀가 불편한가
첫 번째는 피아노처럼 음이 비교적 또렷한 악기에서 찾기 쉽다.
연주 강약 때문이 아니라 소리가 밀렸다가 갑자기 튀어나오고, 다시 작아지는 현상이 반복되면 배경에 깔려 있어도 은근히 신경 쓰인다. 처음에는 정확한 원인을 모르더라도 여러 번 들으면 피로감이 생긴다.
두 번째는 구간 전환이다.
후렴으로 넘어가기 직전에 드럼이나 기타가 짧게 연결되는 것은 자연스럽다. 하지만 아무 변화가 없는 곳에서 갑자기 긴 연결 연주가 나오거나, 연결 연주 뒤에 실제 구간 변화가 없다면 문장 중간에 쉼표를 엉뚱하게 찍어 놓은 것처럼 들린다.
세 번째는 화성이다.
전문적으로 어떤 음이 잘못됐는지 설명할 수 없어도 상관없다. 음악을 듣다가 유독 한 부분에서 '왜 여기만 이상하지?'라는 느낌이 반복된다면 그 구간을 다시 확인하는 편이 낫다.
편집으로 해당 부분을 자연스럽게 잘라낼 수 있다면 살릴 여지가 있다. 하지만 곡 전체에 비슷한 문제가 계속 나온다면 다른 생성 결과를 고르는 쪽이 빠르다.
3. 마지막에는 곡 전체가 끝까지 들리는지 본다
보컬도 괜찮고 악기도 크게 거슬리지 않는데 이상하게 끝까지 듣고 싶지 않은 노래가 있다.
이때는 세부적인 소리보다 곡 전체 흐름을 봐야 한다.
먼저 구간 길이가 자연스러운지 들어본다.
대중음악은 4마디 단위로 움직이는 구성이 흔하다. 물론 모든 음악을 여기에 맞출 필요는 없지만, 별다른 이유 없이 한 구간만 갑자기 길어지거나 짧아지면 듣는 입장에서는 박자가 끊긴 것처럼 느끼기 쉽다.
마디를 셀 때는 박자에 맞춰 1, 2, 3, 4를 반복해 보면 된다. 음악 이론을 깊이 몰라도 한 구간이 예상보다 한 번 더 이어지는 순간은 의외로 금방 잡힌다.
다음은 곡의 높낮이다.
처음부터 끝까지 악기 수와 음량, 보컬 에너지가 거의 똑같으면 3분 안팎의 곡도 상당히 길게 느껴진다. 작은 구간이 있어야 큰 구간이 살아나고, 잠시 비워주는 부분이 있어야 후렴이 들어왔을 때 변화가 느껴진다.
마지막으로 기억에 남는 부분이 있는지 본다.
후렴을 한두 번 들은 뒤 멜로디 한 조각이라도 다시 떠오르는지, 짧은 가사 한 구절이라도 입에 붙는지 확인한다. 대중적인 노래를 목표로 했다면 이 부분이 꽤 큰 차이를 만든다.
다만 잔잔한 카페 음악이나 작업용 배경음악까지 같은 방식으로 판단하면 안 된다.
이런 곡은 강한 후렴이나 극적인 변화보다 오래 틀어놨을 때 방해되지 않는지가 더 중요하다. 만들려는 음악이 감상용인지 배경용인지 먼저 구분해야 같은 곡을 엉뚱하게 탈락시키지 않는다.
4. 모든 문제가 없는 곡만 찾으면 아무것도 남지 않을 수 있다
수노 음원을 엄격하게 듣기 시작하면 처음에는 상당수가 탈락한다.
그렇다고 모든 결함이 조금이라도 있는 곡을 버릴 필요는 없다. 어떤 문제는 생성 단계에서 다시 뽑는 편이 낫고, 어떤 문제는 후반 작업으로 줄일 수 있기 때문이다.
우선순위를 나누면 판단이 한결 간단하다.
보컬의 인공적인 느낌과 명확하게 불편한 화성은 되도록 타협하지 않는 편이 낫다.
반면 특정 주파수 영역이 답답하거나 전체 음량이 조금 부족한 문제는 후반 작업에서 손볼 여지가 있다. 중간음 영역이 지나치게 강해 막힌 듯 들린다면 이퀄라이저(equalizer)로 해당 부분을 줄일 수 있고, 전체 음량이나 소리 폭도 압축이나 제한 작업을 통해 어느 정도 다듬을 수 있다.
중요한 것은 후반 작업을 만능 수리 도구처럼 생각하지 않는 것이다.
보컬 자체가 마음에 들지 않는데 음질만 다듬는다고 다른 목소리가 되지는 않는다. 구조가 이상한 곡에 음량만 키워도 구성은 그대로다.
그래서 처음 들었을 때 문제가 생긴 위치를 먼저 나눠야 한다.
보컬 문제라면 재생성 쪽을 먼저 생각하고, 일부 악기나 음색 문제라면 편집 가능성을 살펴본다. 전체 구성이 밋밋하다면 프롬프트와 곡 구조를 다시 손보는 편이 효율적이다.
5. 10분 안에 거르려면 순서를 고정하는 편이 빠르다
곡이 많아질수록 한 곡을 처음부터 끝까지 반복해서 듣는 방식은 금방 지친다.
짧게 선별하려면 순서를 정해 두는 편이 낫다.
- 첫 재생에서는 보컬만 집중해서 듣는다.
- 통과한 곡에서 음량 출렁임과 악기 연결을 듣는다.
- 마지막에 처음부터 끝까지 들으며 구성과 변화 폭을 본다.
- 보컬이나 화성이 크게 어색하면 미련 없이 제외한다.
- 작은 음색 문제만 있다면 별도 폴더에 두고 후반 작업 후보로 남긴다.
이렇게 하면 생성된 모든 곡을 똑같은 시간 동안 들을 필요가 없다.
첫 단계에서 문제가 확실한 곡은 몇십 초만 들어도 제외할 수 있다. 남은 곡에만 시간을 더 쓰면 된다.
수노를 오래 사용할수록 생성 프롬프트를 잘 쓰는 능력만큼 이 선별 과정이 중요해진다. 계속 듣다 보면 자신이 자주 버리는 유형도 눈에 들어온다. 그러면 다음 생성부터 가사 길이와 곡 구조, 보컬 방향을 처음부터 조정하게 된다.
결국 잘 거르는 과정이 다음 생성의 품질까지 바꾸는 셈이다.
마치며
수노로 좋은 노래를 남기고 싶다면 생성 개수부터 늘리기보다 보컬 → 악기 → 전체 흐름 순으로 문제를 분리해서 듣는 습관을 먼저 만들어 볼 만하다.
특히 보컬에서 인공지능 특유의 반복적인 버릇이 강하거나 특정 화음이 명확하게 거슬린다면 아깝다는 이유로 오래 붙잡지 않는 편이 낫다. 반대로 음색이나 전체 음량처럼 손볼 수 있는 부분은 따로 남겨 후반 작업 후보로 구분하면 된다.
최근 생성한 곡 5개만 다시 열어 같은 순서로 들어보면 차이가 금방 드러난다. 무엇이 마음에 안 드는지 막연했던 곡도 어느 단계에서 문제가 생겼는지 나누기 시작하면 버릴 곡과 살릴 곡을 훨씬 빠르게 구분할 수 있다.
